提取PDF註釋

Question

我需要提取並閱讀使用C＃的PDF註釋。

我可以通過使用PDFBox和itextsharp提取文件沒有任何問題，但我需要閱讀註釋文本或下劃線或彩色（突出顯示的行）。

有什麼想法？

Answer 1

您需要了解頁面的實際內容（使用頁面的內容流中的PDF語法進行描述的內容）與添加到頁面的註釋之間存在差異（在頁面詞典的/Annots條目的註釋詞典中描述的內容）。

到目前爲止，您正在提取註釋詞典的內容，但是您還希望使用註釋的/Rect條目從內容流中提取其位置已標識的內容。你需要解析頁面的內容流來做到這一點。

請到official iText web site和閱讀常見問題解答，更具體：How to read text from a specific position?

假設reader是你PdfReader例如，rect是Rectangle定義要提取文本的位置，並page相應的頁面數，那麼你可以創建一個RenderFilter並使用LocationTextExtractionStrategy這樣的：

RenderFilter[] filter = {new RegionTextRenderFilter(rect)}; 
ITextExtractionStrategy strategy = 
    new FilteredTextRenderListener(
     new LocationTextExtractionStrategy(), filter); 
String text = PdfTextExtractor.GetTextFromPage(reader, page, strategy));